道路交通标志检测与识别系统研究

摘要

近十年来，科学技术得到突飞猛进的发展，互联网、云计算、人工智能等高新技术开始影响社会生活的方方面面。智能交通系统、无人驾驶、车联网等成为当前研究的热点和交通领域未来发展的新方向，交通标志检测与识别是未来智能交通领域的重要一环。但是，在实际的道路环境中，交通标志检测会受到天气变化、障碍物遮挡、相似物体干扰、损伤变形等不利因素的影响，这些因素增大了交通标志检测和识别的难度。本文针对天气变化、树木阴影、光强变化等因素导致交通标志检测困难的情况，提出一种适用性较强的检测与识别方法。
　　交通标志检测综合颜色分割与形状检测的方法实现目标区域检测。首先将图像在HSV颜色空间使用基于亮度分量的多尺度Retinex算法作图像增强，以增加图像的对比度，同时保持交通标志色彩的恒常性；其次，采用基于 HSV颜色空间的阈值分割算法对交通标志图像进行初分割，并利用中值滤波和数学形态学的方法滤除噪声点；再次设置连通区域面积阈值筛选出交通标志区域；最后结合目标区域的圆形度及几何边数检测目标区域的形状，并将交通标志分割并提取出来。
　　交通标志识别采用基于梯度方向直方图（HOG）特征结合 SVM的方法完成识别任务。首先将分割出的交通标志固定到统一的尺寸，然后将提取出交通标志的HOG特征输入 SVM的预测函数中进行识别。
　　采用MATLAB软件根据论文所提的算法编程。利用 GTSRB数据库作为样本训练 SVM分类器，利用测试数据库中图像进行实验。设计下位机模块模拟控制功能，利用实验结果验证系统的性能。
　　本文针对亮度变化的交通标志图像，提出颜色阈值分割与形状检测的方法实现交通标志区域的检测，采用 HOG特征与 SVM结合的分类识别方法完成交通标志的识别，设计下位机硬件电路，通过串口通信实现主从机数据交换，最后由实验结果验证了系统的有效性。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 引言

1.1 交通标志识别研究背景与意义

1.2 交通标志识别的国内外研究现状

1.3 交通标志识别难点

1.4 研究内容

第2章 交通标志检测与识别理论

2.1 交通标志理论知识

2.2 交通标志检测与识别的关键技术

2.3 交通标志检测与识别系统方案设计

2.4 本章小结

第3章 图像预处理

3.1 颜色模型分析

3.2 图像增强

3.3 图像滤波

3.4 图像降采样

3.5 本章小结

第4章 颜色分割

4.1 交通标志颜色分割算法

4.2 交通标志候选区域选择

4.3 本章小结

第5章 交通标志形状检测

5.1 边缘检测

5.2 形状检测

5.3 交通标志定位

5.4 本章小结

第6章 交通标志的特征提取与分类识别

6.1 交通标志提取

6.2 交通标志特征提取

6.3 基于支持向量机的交通标志分类算法

6.4 本章小结

第7章 系统设计与实现

7.1 上位机环境

7.2 下位机设计

7.3 图像检测与识别算法流程

7.4 实验结果

7.5 本章小结

第8章 总结与展望

8.1 研究总结

8.2 不足与展望

参考文献

致谢

个人简历、攻读硕士学位期间发表的学术论文

附录1 电路原理图

附录2 PCB图